Pigsty v3.5.0 Beta2发布:PostgreSQL 18支持与全面升级
Pigsty是一个开源的PostgreSQL数据库管理平台,它提供了一整套从部署、监控到管理的解决方案。作为一个"PostgreSQL in a Box"项目,Pigsty将PostgreSQL与丰富的扩展、监控工具和可视化界面打包在一起,让用户可以快速搭建生产级的数据库环境。
最新发布的Pigsty v3.5.0 Beta2版本带来了多项重要更新,其中最引人注目的是对即将发布的PostgreSQL 18的Beta支持。让我们深入了解一下这个版本的主要改进。
PostgreSQL 18 Beta支持
v3.5.0-b2版本首次提供了对PostgreSQL 18 Beta1的完整支持。这包括:
- 监控支持:通过pg_exporter 1.0.0版本实现了对PG18的指标收集
- 安装支持:pig CLI工具0.4.2版本新增了对PG18的安装能力
- 配置模板:新增了专门针对PG18的pg18.yml配置模板
这使得用户可以在PG18正式发布前就提前体验和测试新版本特性,为未来的升级做好准备。
架构与功能重构
本次版本对Pigsty的核心架构进行了重要重构:
- 监控功能分离:将监控相关功能从pgsql模块中分离出来,形成独立的pg_monitor角色
- 任务清理:移除了冗余的清理逻辑,精简了任务结构
- 模板标准化:统一了模板命名规范,移除了.j2后缀
- 扩展管理:所有扩展现在默认安装在extensions模式中,遵循Supabase的最佳实践
这些改进使得系统架构更加清晰,维护更加方便。
安全与稳定性增强
在安全方面,v3.5.0-b2版本引入了多项改进:
- PgBouncer调优:增大了连接池规模,优化了清理查询,新增了pgbouncer_ignore_param参数
- 密钥管理:新增pg_key任务用于生成pgsodium主密钥
- 复制槽同步:在PG17上默认启用了sync_replication_slots功能
Supabase支持强化
针对自托管的Supabase环境,本版本进行了多项优化:
- 容器与模式更新:同步到最新版本的Supabase组件
- 密钥加载:支持pgsodium服务器密钥的自动加载
- 延迟问题修复:通过supa-kick定时任务解决了Logflare延迟问题
- 搜索路径设置:为监控函数添加了明确的search_path设置
监控栈全面升级
监控系统在这个版本中得到了全面刷新:
- Grafana升级至12.0.0版本
- pg_exporter升级至1.0.0版本
- 新增了对TimescaleDB和Citus的监控指标支持
- 使用了更紧凑的收集器配置文件设计
扩展生态丰富
Pigsty v3.5.0-b2捆绑了多达421个PostgreSQL扩展,包括:
- 新增了对OrioleDB和OpenHalo内核的全平台支持
- 更新了TimescaleDB至2.20.0版本(放弃了对PG14的支持)
- 更新了Citus至12.0.3版本
- 新增了spat、pgsentinel等多个新扩展
CLI工具改进
pig命令行工具新增了do命令,可以完全替代原有的bin/目录下的脚本,提供了更统一的命令行体验。
基础设施组件更新
底层基础设施组件也同步到了最新版本:
- 数据库组件:PostgreSQL各版本更新至最新维护版本
- 中间件:PGBouncer升级至1.24.1,PgBackRest升级至2.55
- 工具链:DuckDB升级至1.3.0,etcd升级至3.6.0
总结
Pigsty v3.5.0 Beta2是一个功能丰富的中期版本,它不仅为即将到来的PostgreSQL 18做好了准备,还对系统架构进行了重要优化,增强了安全性和稳定性。特别是对Supabase环境的支持改进和监控系统的全面升级,使得Pigsty作为一个完整的PostgreSQL解决方案更加成熟可靠。
对于计划评估PostgreSQL 18新特性的用户,或者需要构建现代化PostgreSQL基础设施的团队,这个版本都值得关注和试用。随着正式版的临近,我们可以期待Pigsty将继续保持与PostgreSQL生态系统的紧密同步。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00